IPAM Mestrado Gestão de Negócios

R 101 - Introdução a Linguagem R

---

Este ficheiro foi escrito utilizando R Markdown. Uma maneira simples de formatar códigos R para criação de documentos HTML, PDF, Word e PowerPoint.

Quando clica no botão Knit, é gerado um documento que inclui tanto o conteúdo como a saída de quaisquer partes de código R incorporadas no documento. Pode incorporar um pedaço de código R da seguinte forma:

Para mais detalhes consulte http://rmarkdown.rstudio.com.

---

1 1. Introdução.

1.1 Por que R em Gestão de Negócios?

1.1.1 🎯 O R é uma das linguagens mais poderosas para análise de dados, estatística e visualização, sendo amplamente utilizado no mundo académico e corporativo. Mas, afinal, por que um gestor de negócios deveria aprender R?

1️⃣ Decisões baseadas em dados (Data-Driven Decision Making).

O mundo dos negócios está cada vez mais orientado por dados. O R permite:

✅ Analisar grandes volumes de dados e identificar padrões.
✅ Criar relatórios automatizados para suportar decisões estratégicas.
✅ Gerar previsões de vendas, procura ou tendências de mercado.

2️⃣ Alternativa ao Excel – Mais poder e flexibilidade

O R permite fazer tudo o que o Excel faz (e muito mais) com maior precisão e eficiência. Embora o Excel seja uma ferramenta essencial, ele tem limitações quando se trata de:

❌ Trabalhar com grandes quantidades de dados.
❌ Criar modelos estatísticos avançados.
❌ Automatizar processos repetitivos.

3️⃣ Visualização de Dados Profissional e Interativa.

✅ O R possui bibliotecas como ggplot2 que criam gráficos sofisticados e personalizados.

✅ Pode gerar dashboards interativos com Shiny, úteis para acompanhamento de KPIs empresariais.

4️⃣ Machine Learning e Inteligência Artificial.

O R é uma excelente ferramenta para aplicar modelos preditivos e inteligência artificial em negócios:

✅ Análise de sentimentos em redes sociais.
✅ Recomendação de produtos baseada no comportamento dos clientes.
✅ Deteção de fraudes em transações financeiras.

5️⃣ Open Source, Gratuito e com uma Comunidade Forte.

Diferente de softwares pagos (como SAS ou SPSS), o R é 100% gratuito e constantemente atualizado pela sua comunidade global. Além disso:
✅ Possui milhares de pacotes prontos para diferentes áreas de negócio.
✅ Tem uma enorme quantidade de recursos de aprendizagem gratuitos.

O R é uma ferramenta poderosa, flexível e gratuita, permitindo que gestores tomem decisões mais informadas e automatizem tarefas complexas.

🚀 e para sua carreira: pode ser um ótimo diferencial no currículo!

 

2 2. Diferenças entre R e R Studio?

✅ R (a linguagem).
• É a linguagem de programação usada para estatística, análise de dados e machine learning.
• Funciona em linha de comando (terminal) sem interface gráfica.
• Pode ser usado sozinho, mas é menos amigável para iniciantes.

✅ RStudio (o ambiente de desenvolvimento - IDE).
• É uma ferramenta que facilita o uso do R com uma interface organizada.
• Oferece um editor de scripts, visualização de gráficos e gestão de pacotes num só lugar.
• Não substitui o R – precisas do R instalado para que o RStudio funcione.

👋🏻 Como instalar o R e o RStudio.

Pode sempre utilizar o Posit Cloud na nuvem até que a sua conta atinja os limites de processamento ou o número máximo de projetos permitidos na versão gratuita.

Se preferir, também pode instalar estas aplicações no seu computador e assim evitar qualquer limitação da conta. Para isso, basta seguir estes passos, começando pela instalação do R e, em seguida, do RStudio.

Para instalar o R vá ao CRAN - The Comprehensive R Archive Network em https://cran.r-project.org/ e selecione a versão correspondente ao seu sistema operacional.

 
 

Para instalar o R-Studio vá ao site do fornecedor da ferramenta Posit Cloud em https://posit.co/download/rstudio-desktop/ e baixe a versão correspondente ao seu sistema operacional.

 
A partir de agora, utilize sempre o R Studio.

 

3 3. Aplicação Real

Toda vez que vamos utilizar o R é necessário preparar o ambiente às suas necessidades. Para isso deve informar quais pacotes (recursos) vamos necessitar. O comando abaixo, verifica se tais pacotes já estáo instalados, caso negativo antes de carregá-los ele instala os pacotes e na sequência carrega-os para a memória do computador.

# limpar a memória do computador
rm(list = ls())

# instalador de pacotes que otimiza recursos
if(!require(pacman)) install.packages("pacman")
library(pacman)

pacman::p_load(tidyverse,
                 rmarkdown, 
                 knitr, 
                 kableExtra,
                 GGally, 
                 DataExplorer,
                 gplots,
                 SmartEDA
                 )

#mostra quais pacotes estão carregados
p_loaded()

 [1] "kableExtra"   "SmartEDA"     "gplots"       "DataExplorer" "GGally"       "knitr"        "rmarkdown"   
 [8] "pacman"       "skimr"        "lubridate"    "forcats"      "stringr"      "purrr"        "readr"       
[15] "tidyr"        "tibble"       "ggplot2"      "tidyverse"    "dplyr"       

Nesta demonstração dos recursos e potencialidades do R, vamos utilizar dois ficheiros que estão no CANVAS. Então devemos carregar os ficheiros para o nosso ambiente de trabalho.

## Carregar ficheiro tipo CSV
dados <- read.csv("video games sales.csv", sep = ";", dec = ".", stringsAsFactors = FALSE)
## Verificar a estrutura dos dados
ExpData(dados,type=1) 

ExpData(dados,type=2) 

str(dados) 

'data.frame':   1907 obs. of  12 variables:
 $ Rank         : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Game.Title   : chr  "Wii Sports" "Super Mario Bros." "Mario Kart Wii" "Wii Sports Resort" ...
 $ Platform     : chr  "Wii" "NES" "Wii" "Wii" ...
 $ Year         : int  2006 1985 2008 2009 1989 2006 2006 1984 2009 2005 ...
 $ Genre        : chr  "Sports" "Platform" "Racing" "Sports" ...
 $ Publisher    : chr  "Nintendo" "Nintendo" "Nintendo" "Nintendo" ...
 $ N..America   : num  40.4 29.1 14.5 14.8 23.2 ...
 $ Europe       : num  28.39 3.58 12.22 10.51 2.26 ...
 $ Japan        : num  3.77 6.81 3.63 3.18 4.22 6.48 2.93 0.28 4.66 1.93 ...
 $ Rest.of.World: num  8.54 0.77 3.21 3.01 0.58 2.88 2.84 0.47 2.25 2.73 ...
 $ Global       : num  81.1 40.2 33.5 31.5 30.3 ...
 $ Review       : num  76.3 91 82.1 82.7 88 ...

Uma vez que o conjunto de dados esteja adequado, podemos obter uma análise univariada de cada uma das variáveis presentes no ficheiro. Este comando faz isso de forma rápida e para todas as variáveis contidas no ficheiro.

# Guardar em estatisticas os principais parámetros das variáveis
estatisticas <- ExpNumStat(dados, Outlier = TRUE, Nlim=1)

# Apresentar os parámetros
estatisticas

# A tabela dos parámetros ficou grande (observe que são apresentadas 23 colunas 😳)!
# Então podemos criar a tabela com paginação nativa
estatisticas %>%
  kbl(format = "html") %>%
  kable_paper(full_width = FALSE) %>%
  scroll_box(width = "100%", height = "500px")

	Vname	Group	TN	nNeg	nZero	nPos	NegInf	PosInf	NA_Value	Per_of_Missing	sum	min	max	mean	median	SD	CV	IQR	Skewness	Kurtosis	LB.25%	UB.75%	nOutliers
4	Europe	All	1907	0	74	1833	0	0	0	0.000	1347.63	0.00	28.39	0.707	0.44	1.149	1.626	0.580	10.352	195.150	-0.640	1.680	153
7	Global	All	1907	0	0	1907	0	0	0	0.000	4746.98	0.83	81.12	2.489	1.53	3.563	1.431	1.430	9.264	147.095	-1.035	4.685	179
5	Japan	All	1907	0	813	1094	0	0	0	0.000	605.46	0.00	7.20	0.317	0.02	0.725	2.283	0.300	4.226	23.536	-0.450	0.750	264
3	N..America	All	1907	0	61	1846	0	0	0	0.000	2400.51	0.00	40.43	1.259	0.81	1.957	1.554	0.865	9.311	135.169	-0.787	2.672	149
1	Rank	All	1907	0	0	1907	0	0	0	0.000	1819278.00	1.00	1907.00	954.000	954.00	550.648	0.577	953.000	0.000	-1.200	-952.000	2860.000	0
6	Rest.of.World	All	1907	0	61	1846	0	0	0	0.000	393.74	0.00	8.54	0.206	0.13	0.343	1.662	0.160	10.251	196.663	-0.180	0.460	169
8	Review	All	1907	0	0	1907	0	0	0	0.000	150727.33	30.50	97.00	79.039	81.00	10.617	0.134	12.230	-1.264	1.917	55.655	104.575	83
2	Year	All	1907	0	0	1878	0	0	29	1.521	3763074.00	1983.00	2012.00	2003.767	2005.00	5.895	0.003	8.000	-1.013	0.935	1988.000	2020.000	40

# Ou podemos escolher (select) alguns dos porametros e não todos como antes...
est_shor <- estatisticas %>%
  dplyr::select(Vname, mean, SD, min, max, median, nOutliers, NA_Value)

# Apresentar os parámetros selecionados
est_shor

NA

As vezes, uma avaliação visual vale mais que 1.000 números!!! 😂

#Análise das variáveis categóricas
plot_bar(dados)

2 columns ignored with more than 50 categories.
Game.Title: 1519 categories
Publisher: 95 categories

#Análise das variáveis numéricas
plot_histogram(dados)

plot_density(dados)

A análise visual nos mostrou alguns pontos que merecem reflexão:

1. A variável Publisher apresenta mais de 50 categorias e por isso não foi gerado gráfico. Alguns destes publisher se calhar tem apenas 1 game… Faz sentido classficar os publishers com menos de n games como outros?

2. A variável plataforma traz por vezes diversos consoles de uma mesma plataforma, por exemplo PS2, PS e PS3. Que tal criarmos uma variável contendo a plataforma em sua versão mais consolidada?

então… vamos a isso!!!

1. Contar o número de jogos que cada publisher desenvolveu:

# Agrupar a informação de número de jogos por Publisher
publisher_count <- dados %>%
  group_by(Publisher) %>%
  summarise(n_games = n()) %>%
  arrange(desc(n_games))  # Ordenar do maior para o menor

Agrupar em uma nova variável e rodar novamente a análise gráfica das variáveis categóricas:

n_limite <- 60  # Define o mínimo de jogos para não ser classificado como "Outros"; neste caso formando 10 categorias

# Criar uma nova coluna com "Outros" para publishers com poucos jogos
dados <- dados %>%
  mutate(Publisher_Grouped = ifelse(Publisher %in% publisher_count$Publisher[publisher_count$n_games >= n_limite], 
                                    Publisher, 
                                    "Outros"))

# refazer a análise visual das variáveis categóricas
plot_bar(dados)

2 columns ignored with more than 50 categories.
Game.Title: 1519 categories
Publisher: 95 categories

2. Agrupar as plataformas no “sistemas mãe”

dados <- dados %>%
  mutate(Platform_Grouped = case_when(
    Platform %in% c("PS", "PS2", "PS3", "PS4", "PS5", "PSP", "PSV") ~ "PlayStation",
    Platform %in% c("X360", "XB", "XOne", "XSX") ~ "Xbox",
    Platform %in% c("Wii", "WiiU") ~ "Nintendo Wii",
    Platform %in% c("DS", "3DS", "GB", "GBA") ~ "Nintendo Handheld",
    Platform %in% c("NES", "SNES", "N64", "GC", "Switch") ~ "Nintendo Console",
    Platform %in% c("GEN", "SAT", "DC", "SCD") ~ "Sega",
    TRUE ~ "Other"  # Para outras plataformas
  ))

# refazer a análise visual das variáveis categóricas
plot_bar(dados)

2 columns ignored with more than 50 categories.
Game.Title: 1519 categories
Publisher: 95 categories

Uma vez ajustadas as questões observadas anteriormente na análise univariada, podemos partir para a análise bivariada

# inicialmente vamos ver as variáveis categóricas por Plataforma
plot_bar(dados, by = "Platform_Grouped")

2 columns ignored with more than 50 categories.
Game.Title: 1519 categories
Publisher: 95 categories

# depois para as variáveis numéricas

plot_boxplot(dados, by = "Platform_Grouped")

plot_boxplot(dados, by = "Genre")

plot_boxplot(dados, by = "Publisher_Grouped")

Momento para reflexão: temos todas as respostas /informações que desejamos?

Sempre podemos utilizar o GGPLOT2, uma robusta e potente biblioteca (linguagem) para gerar gráficos!

Imagine que desejamos ver as vendas em uma determinada região por tipo de jogos lançado ao longo dos anos…

ggplot(dados, aes(x= Year, y= Japan, color = Platform_Grouped)) + 
  geom_point() +
    labs(
    title = "Vendas de Videojogos ao Longo dos Anos",
    x = "Ano",
    y = "Vendas no Japão (em milhões €)"
  ) +
  theme_minimal() 
    

se desejarmos ver as vendas mundiais por tipo de plataforma

# Por plataforma agrupada
ggplot(dados , aes(x=Platform_Grouped, y= Global, fill = Platform_Grouped)) + 
  geom_col() +
  theme_grey()

# Por plataforma
ggplot(dados , aes(x=Platform, y= Global, fill = Platform_Grouped)) + 
  geom_col() +
  theme_classic()

Se desejarmos ver a relação das vendas com reviews, separados por tipo de plataforma.

dadosf <- dados %>% filter(Global < 10) %>% filter(Platform_Grouped == "PlayStation" | Platform_Grouped == "Xbox" | Platform_Grouped == "Nintendo Console")

ggplot(dadosf, aes(x=Review, y=Global, color = Platform_Grouped)) +
  geom_point() +
      theme_minimal() +
  labs(
    title = "Relação entre Avaliação e Vendas Globais",
    x = "Avaliação (Review Score)",
    y = "Vendas Globais (em milhões)",
    color = "Plataforma"
  )

# agora com linha de tendência
ggplot(dadosf, aes(x=Review, y=Global, color = Platform_Grouped)) +
  geom_point() +
  geom_smooth(method = "loess", se = TRUE, color = "black", linewidth = .8) +  # Linha de tendência global
    theme_minimal() +
  labs(
    title = "Relação entre Avaliação e Vendas Globais",
    x = "Avaliação (Review Score)",
    y = "Vendas Globais (em milhões)",
    color = "Plataforma"
  )

# agora com linha de tendência por Plataforma
ggplot(dadosf, aes(x=Review, y=Global, color = Platform_Grouped)) +
  geom_point() +
  geom_smooth(method = "loess", se = FALSE, linewidth = .8, aes(group = Platform_Grouped)) +  # Linha de tendência global
    theme_minimal() +
  labs(
    title = "Relação entre Avaliação e Vendas Globais",
    x = "Avaliação (Review Score)",
    y = "Vendas Globais (em milhões)",
    color = "Plataforma"
  )

Há muito mais por explorar…

4 4. Potencial Infinito

Por ser uma plataforma aberta o R tem um vasto portfólio de bibliotecas e possibilidades! No mundo da Gestão do Negócios temos ferramentas como:

1. Regressão Linear / logística para compreender a dinâmica dos fenómenos.
   
2. Análise de Sentimentos (NLP) – Para monitorar os reviews de seus clientes, concorrentes ou tendência de mercado.
   
3. Machine Learning – para a prever vendas, manutenção de equipamentos, etc.
4. Shiny e relatórios dinâmicos – Para criar dashboards executivos e gerenciais.
5. Automação de relatórios com R Markdown (relatórios automáticos para empresas).

 

5 5. Como avançar no aprendizado

🎯 Há inúmeras soluções sem custos e dirigidas às suas necessidades. Aqui listo algumas, contudo sempre terá na web um universo sem fim de opções.
 

ChatGPT: para dúvidas rápidas ou mesmo códigos complexos. faça um prompt completo.

Coursera e DataCamp: cursos introdutórios grátis.

YouTube: Canais como Curso de Estatística Aplicada no R (https://www.youtube.com/playlist?list=PLOw62cBQ5j9VE9X4cCCfFMjW_hhEAJUhU), StatQuest (https://www.youtube.com/@statquest/search?query=in%20r), ou R Tutorial for Beginers (https://www.youtube.com/watch?v=KlsYCECWEWE).

Manual do R: https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf

Sheet-Cheets: https://rstudio.github.io/cheatsheets/ https://rstudio.github.io/cheatsheets/html/data-transformation.html#summarize-cases

Livros: “R for Data Science” (Hadley Wickham). https://pt.r4ds.hadley.nz/